หุ่นยนต์ตัวนี้ใช้เวลาเพียง 2 ชั่วโมงในการเรียนรู้วิธีเดินด้วยตัวมันเอง

ในการศึกษาล่าสุดที่ดำเนินการที่ Google วิศวกรพยายามใช้แบบจำลองปัญญาประดิษฐ์ (AI) เป็นรากฐานในการสร้างหุ่นยนต์ 4 ขาที่สามารถเรียนรู้วิธีการเคลื่อนไหวอย่างเป็นธรรมชาติอย่างยิ่งโดยไม่จำเป็นต้องได้รับความช่วยเหลือจากมนุษย์มากเกินไป เช่น การก้าวไปข้างหน้า ถอยหลังเลี้ยวซ้ายและขวา นอกจากนี้ยังสามารถเรียนรู้วิธีการเคลื่อนไหวอย่างแม่นยำบนภูมิประเทศที่แตกต่างกันสามประเภท รวมถึงพื้นเรียบ เบาะนุ่ม และพรมเช็ดเท้าที่มีช่องว่าง

นี่อาจฟังดูง่าย แต่ในความเป็นจริง มันยากมากที่จะออกแบบตัวควบคุมหุ่นยนต์ที่สามารถจัดการคำสั่งการนำทางที่หลากหลายและซับซ้อนดังกล่าว โดยเฉพาะอย่างยิ่งในภูมิประเทศประเภทต่างๆ โดยไม่ได้รับความช่วยเหลือจาก AI ประเด็นสำคัญคือหุ่นยนต์สามารถเรียนรู้ด้วยตนเองและปรับตัวเข้ากับสถานการณ์ต่างๆ ได้ แทนที่จะต้องอาศัยการแทรกแซงจากมนุษย์ในทุกขั้นตอน

เทคโนโลยี AI ที่ใช้ในโครงงานนี้เรียกว่า "การเรียนรู้แบบเสริมกำลังเชิงลึก" ซึ่งเป็นแนวทางที่ใช้เทคโนโลยีการเรียนรู้เชิงลึกที่ได้รับแรงบันดาลใจจากจิตวิทยาการเรียนรู้ en และ "การเรียนรู้จากการลองผิดลองถูก" และ "การเรียนรู้จากความผิดพลาด" พลังของการเรียนรู้แบบเสริมกำลังเชิงลึกแสดงให้เห็นครั้งแรกในปี 2013 เมื่อ DeepMind เปิดตัวโมเดล AI ที่สามารถเรียนรู้วิธีเล่นเกม Atari สุดคลาสสิกได้โดยไม่ต้องมีคำแนะนำใดๆ

วิดีโอเกมหรืออย่างน้อยเกมจำลองสถานการณ์ก็มักถูกใช้โดยนักวิจัยด้านหุ่นยนต์เพื่อฝึกโมเดล AI ของพวกเขา มันสร้างสภาพแวดล้อมทางทฤษฎีที่ยอดเยี่ยม ช่วยให้นักวิจัยสามารถฝึกหุ่นยนต์ของตนในโลกเสมือนจริงก่อนที่จะออกไปสู่โลกแห่งความเป็นจริง ช่วยให้หุ่นยนต์จดจำและจดจำสถานการณ์ที่มันประสบเมื่อเรียนรู้วิธีการปฏิบัติงานเฉพาะอย่าง

นอกจากนี้ นักวิจัยของ Google ยังส่งเสริมการพัฒนาอัลกอริธึมที่ได้รับการปรับปรุงซึ่งช่วยให้หุ่นยนต์เรียนรู้ไดเร็วขึ้นด้วยการทดลองที่น้อยลง

ความจริงที่ว่าหุ่นยนต์สามารถเรียนรู้ที่จะเดินด้วยตัวเองได้ภายใน 2 ชั่วโมงอาจไม่ใช่เรื่องที่น่าตกใจแต่แสดงให้เห็นถึงประสิทธิภาพที่แตกต่างกันอย่างชัดเจนเมื่อเทียบกับวิศวกรที่ต้องตั้งโปรแกรมการทำงานแต่ละอย่างโดยเฉพาะ วิธีการทำงานของหุ่นยนต์เป็นแบบแมนนวลและแบบพาสซีฟอย่างมากเช่น ก่อน. อย่างไรก็ตาม ความยากลำบากที่ทีม Google เผชิญก็มีมากเช่นกัน

“แม้ว่าอัลกอริทึมการเรียนรู้แบบไม่มีผู้ดูแลหรือการเรียนรู้แบบเสริมกำลังเชิงลึกจำนวนมากได้แสดงให้เห็นในการจำลองแล้ว แต่การนำไปประยุกต์ใช้กับหุ่นยนต์ในการทดลองในโลกแห่งความเป็นจริงนั้นไม่ใช่เรื่องง่าย ประการแรก การเรียนรู้แบบเสริมกำลังเชิงลึกต้องใช้ข้อมูลการฝึกอบรมอินพุตจำนวนมาก และการรวบรวมข้อมูลหุ่นยนต์ก็มีราคาแพงมากเช่นกัน ประการที่สอง กระบวนการฝึกอบรมต้องใช้เวลามากในการตรวจสอบหุ่นยนต์ หากเราต้องการมนุษย์เพื่อติดตามหุ่นยนต์และรีเซ็ตหุ่นยนต์ด้วยตนเองทุกครั้งที่สะดุด หลายร้อยหรือหลายพันครั้ง ต้องใช้ความพยายามและเวลาในการฝึกหุ่นยนต์อย่างมาก ยิ่งใช้เวลานานเท่าใด การขยายขนาดการเรียนรู้สำหรับหุ่นยนต์ในสภาพแวดล้อมที่แตกต่างกันก็จะยิ่งยากขึ้นเท่านั้น" เจีย ตัน หนึ่งในวิศวกรคนสำคัญของโครงการกล่าว

ในอนาคต การวิจัยนี้สามารถช่วยสร้างหุ่นยนต์ที่คล่องตัวมากขึ้น ซึ่งสามารถปรับตัวเข้ากับภูมิประเทศประเภทต่างๆ ได้รวดเร็วยิ่งขึ้น ศักยภาพในการประยุกต์ใช้นั้นมีมาก แต่โครงการยังอยู่ในช่วงเริ่มต้นของการพัฒนาเท่านั้น และยังคงมีความท้าทายมากมายที่ต้องเอาชนะ